近年来,随着互联网技术的迅猛发展,各种形式的电子商务系统层出不穷。在实际应用中,系统用户规模随着业务扩展产生了海量的电子商务数据,传统的以集中式架构为主的电子商务系统已经很难满足目前海量电子商务数据存储与处理的要求。另外,面对大规模电子商务数据,信息过载成为一种常态,个性化推荐技术能够帮助用户从繁杂的数据中挖掘出有价值的信息。然而传统的个性化推荐技术运行于单机之上,受单机节点性能限制,无法快速有效处理海量电子商务数据,需要一个良好的数据处理平台来满足对海量电子商务数据的处理需求。为了解决上述问题,本文设计了一个采用分布式架构部署的以用户为中心的电子商务系统。本系统主要包括后台管理模块和前台管理模块,前台管理模块又单独划分为六个子模块,包括前台门户模块、搜索模块、会员与单点登录模块、购物车模块、订单模块以及个性化推荐模块,各个模块单独部署在独立的服务器上,通过接口调用。为了缓解数据库存储压力,后台管理模块部署单独的图片服务器用于存储商品图片数据,采用Nginx提供http服务和ftp提供商品图片上传服务。为了减少对数据库的查询次数,搜索模块中部署单独的Solr全文检索服务器,通过配置商品业务字段,实现商品搜索。会员与单点登录模块中发布单点登录接口,保证用户登录一次就可以同步到各个模块上。个性化推荐模块为了解决系统资源和算法实时性效率问题,采用Hadoop平台对电子商务大数据进行分布式存储和处理。通过比较K-means算法、CFSFDP算法,提出改进的CFSFDP算法,结合实际的电子商务数据集,采用聚类算法和协同过滤算法有效组合,设计出既满足用户需求又准确高效的组合算法,实现对用户更高效、精准的个性化推荐功能。最后采用真实数据集对聚类算法进行对比验证,同时对本系统进行了各个方面的模拟数据测试,本系统可以很好地完成需求分析中各个模块确定的功能,并且通过本系统预留的接口可以很方便的扩展系统业务,具有相当好的灵活性。